科技媒體testingcatalog近日披露，谷歌旗下新一代文生視頻模型Veo 3.1已進(jìn)入實際應(yīng)用階段，首批真實生成的視頻樣本通過云平臺Vertex AI及視頻工具Google Vids流出。該模型可生成時長8秒、分辨率達(dá)720p的帶聲視頻片段，標(biāo)志著文生視頻技術(shù)向多模態(tài)交互邁出重要一步。

在Google Vids的最新版本中，Veo 3.1已實現(xiàn)核心功能集成。用戶通過輸入文本指令，即可獲得包含背景音樂的視頻內(nèi)容。相較于前代產(chǎn)品，新模型生成的配樂在情感表達(dá)上更具張力，能夠根據(jù)畫面內(nèi)容動態(tài)調(diào)整節(jié)奏與氛圍。目前流出的測試案例顯示，系統(tǒng)可穩(wěn)定輸出8秒標(biāo)準(zhǔn)時長的視頻，分辨率保持720p高清標(biāo)準(zhǔn)。

性能對比測試揭示了顯著技術(shù)突破。在"賽博朋克黑客機(jī)器人"與"火山噴發(fā)"等主題的生成測試中，Veo 3.1展現(xiàn)出對復(fù)雜語義的深度理解能力。模型能夠精準(zhǔn)捕捉文本中的微妙差異，例如在呈現(xiàn)熔巖流動時，通過像素級細(xì)節(jié)控制還原了液體的粘稠質(zhì)感；在構(gòu)建恐龍形象時，不僅優(yōu)化了表皮紋理，還修正了前代模型中常見的肢體比例失調(diào)問題。

技術(shù)團(tuán)隊重點優(yōu)化了視覺保真度指標(biāo)。新模型通過改進(jìn)的注意力機(jī)制，有效減少了畫面重復(fù)現(xiàn)象，使連續(xù)幀之間的過渡更加自然。在動態(tài)場景渲染方面，系統(tǒng)能夠同時處理多個物體的運(yùn)動軌跡，確保復(fù)雜場景中各元素的物理關(guān)系準(zhǔn)確無誤。這些改進(jìn)使生成內(nèi)容的可信度大幅提升，為專業(yè)級視頻創(chuàng)作提供了技術(shù)支撐。